文章核心观点 - 2025年被行业称为“具身智能元年”，行业正从实验室走向工商业应用，从技术演示转向实际生产力工具 [1] - 行业发展的关键路径是“沿途下蛋”，即从简单、可控的场景切入积累数据，逐步向复杂场景拓展，最终目标是实现规模化商业闭环 [2][3][10] - 高质量数据是具身智能进化的“燃料”和基石，其采集、合成与应用是当前行业关注的核心 [2][11] - 2025年行业初步具备了量产能力，但能否经受真实市场需求和成本效益的考验，是行业面临的“成年考” [2][14][16] 场景：沿途下蛋 - 当前多数机器人只能完成导览、科教、搬运、配送等简单任务，具身智能落地尚处早期阶段，人形机器人能力被比喻为“两三岁孩童” [4] - 业内普遍认同的发展路径是从工业、物流等可控性高、容错率高的领域切入，积累真实数据，再向更高阶的居家服务等场景拓展 [7] - 企业采取“岗位化”战略，在单一岗位上做深做透，例如配送机器人针对酒店、医院、工厂等不同场景衍生出特定功能 [6] - 机器人进入家庭场景预计需要更长时间探索，有企业家预测需等待10年左右，原因是生活场景对“柔性操作”要求更高，与追求精准的工业场景有本质区别 [9][10] - 已有公司计划遵循从简单场景向复杂高阶场景推进的路径，例如从演艺场景（提供情绪价值）逐步拓展至健康陪伴、家务等居家实用需求，预计5年内可实现一定规模的家庭落地，交付量有望达上万台甚至更多 [10] 数据：智能基石 - 2025年以来，行业普遍意识到让机器人从“能动”到“好用”的关键是训练数据，但高质量数据极度稀缺且采集成本高昂 [12] - 各地积极建设数据采集工厂和标准化数据集平台，通过真实采集、仿真模拟等方式为机器人“供血” [12] - 一家公司的机器人训练数据来源包括真机数据、仿真合成数据和专家技能数据库，三者形成“倒三角”数据体系：仿真数据是常规操作，真机数据用于摸清边界并反哺仿真数据提质，专家数据相当于“标准答案” [12] - 通过垂直领域训练积累多元化数据后，机器人可能自然涌现出泛化能力 [13] - 一家公司的机器人“大脑”训练分两阶段：工业场景基础通用能力训练需半年至一年；细分领域适配训练仅需几个月 [13] - “岗位化”发展路线下，积累足够多的岗位专属数据后，结合泛化学习能力，后续机器人可能变得更聪明、实用性和适配性更广 [13] 量产：严肃大考 - 行业初步具备量产能力是2025年作为“具身智能元年”的重要标志，例如智元宣布第5000台通用具身机器人灵犀X2正式量产下线 [13] - 不少头部公司近期宣布了规模可观的人形机器人商业订单，行业似乎已从技术验证阶段全面迈入规模商用时代 [13] - 零部件供应链的火爆印证了量产趋势，例如一家专注于灵巧手的公司今年交付产品接近5000台，覆盖了国内150多家人形机器人企业和200多家终端企业 [14] - 行业需分辨量产是由真实商业需求驱动，还是由政策补贴和投资热度催生，若非真实需求，持续性很难达成 [14] - 2026年被视作检验量产能力的关键一年，竞争核心在于能否“接得住”订单并完成交付 [14] - 机器人要真正进入市场，核心在于商业账“算得过来”，当前许多机器人定价在几十万元级，成本过高，需通过持续投入积累数据、提升出货量来降低成本，打通商业闭环 [15] - 行业预计仍需较长发展周期，有观点认为具身智能迈向成熟还需要至少十年以上，但由于社会态度宽容开放，商业化进程或将加快 [15]